Residual-based error estimation and adaptivity for stabilized immersed isogeometric analysis using truncated hierarchical B-splines
我们提出了一种自适应网格细化策略浸没等几何分析,应用于稳定的热传导和粘性流动问题。所提出的策略是基于残差为基础的误差估计,这已被定制为沉浸设置适当缩放的稳定和边界条件的结合。针对Laplace和Stokes问题,详细阐述了单元误差指标,并提出了一种基于THB样条的局部网格加密策略。误差估计和自适应程序被应用到一系列的基准问题,证明了一系列的光滑和非光滑问题的技术的适用性。自适应策略还集成在基于扫描的分析工作流程中,能够从扫描数据生成可靠的、误差受控的结果,而无需大量的用户交互或干预。
2022-02-17 cs.NA math-ph math.MP
High-Order Spline Upwind for Space-Time Isogeometric Analysis
本研究针对热传导方程提出带残差加权高阶人工扩散稳定项的等几何时空方法,可构造时间下三角线性系统,经数值实验验证兼具稳定性与最优精度。
2023-08-29 cs.NA math.NA
Multilevel Isogeometric Projection Stabilization via Quasi-Interpolation for Advection-Dominated Problems
Mohammed VI Polytechnic University (UM6P)(穆罕默德六世理工大学);Vanguard Center(先锋中心)
针对对流主导的对流扩散问题,提出一种基于连续B样条拟插值的多水平投影稳定化方法,通过提取和惩罚细尺度波动,避免残差型方法的参数敏感性和局部投影稳定化的不连续辅助空间,理论推导先验误差估计并数值验证稳定性,显著减少非物理振荡。
2026-05-25 cs.NA math.NA
Adaptive optimization of isogeometric multi-patch discretizations using artificial neural networks
本文提出基于r自适应和残差神经网络的多片等几何参数化优化方法,在不破坏张量积结构的前提下寻找最优双二次参数化,从而显著降低PDE解的逼近误差。
2024-03-28 cs.NA math.NA
Adaptive isogeometric analysis on two-dimensional trimmed domains based on a hierarchical approach
这项工作的重点是开发一个错误驱动的等距框架,能够自动执行自适应模拟的背景下,二阶和四阶,椭圆偏微分方程定义的二维修剪域。该方法是由一个后验误差估计,这是计算的辅助剩余的问题制定到一个空间由单元素支持样条跨越的援助。由于使用截断层次B样条的基础上实现的局部细化。我们证明了数值估计的适用性,各种工程相关的问题,即泊松问题,线性弹性和基尔霍夫-爱壳,制定修剪几何。特别是,我们研究了几个基准问题,表现出光滑和奇异解,在那里我们恢复最佳渐近收敛速度的能量范数测量的误差,我们观察到的准确度大幅增加的自由度相比,均匀细化。最后,我们展示了我们的框架的自适应壳分析的适用性,工业般的修剪几何建模的商业软件犀牛,它代表了B柱的汽车。
2019-10-09 cs.NA math.NA
IGS: an IsoGeometric approach for Smoothing on surfaces
Université de Neuchâtel(纳沙泰尔大学);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Politecnico di Milano(米兰理工大学);Swiss Space Systems(瑞士航天系统)
本文提出了一种基于等几何分析的曲面平滑方法,通过求解四阶偏微分方程来估计噪声和离散测量数据,应用于空间 shuttle 机翼尖的压力系数和气动力估计。
2016-01-01 cs.NA math.NA stat.ME
Error estimates of residual minimization using neural networks for linear PDEs
本研究提出一个抽象框架,用以分析可行解为神经网络时基于残差最小化的最小二乘方法的收敛性,推导了强弱形式下连续与离散残差最小化的误差估计,覆盖了新近的物理信息神经网络相关公式。
2023-10-03 cs.NA math.NA
Goal-oriented adaptivity for a conforming residual minimization method in a dual discontinuous Galerkin norm
本文提出了一种面向目标的网格自适应算法,用于求解对偶间断Galerkin范数下的残差最小化稳定的有限元法。通过解决鞍点问题,这种残差最小化提供了对每个网格实例上的解的稳定连续近似和到破碎多项式空间上的残差投影,这是一种鲁棒的误差估计器,通过自动网格细化来最小化离散能量范数。在这项工作中,我们提出并分析了一个面向目标的自适应算法,这种稳定的残差最小化。我们解决了原始和伴随问题,考虑相同的鞍点制定和不同的右手边。通过解决第三个稳定的问题,我们得到了两个有效的误差估计,以指导面向目标的自适应。我们说明了这种目标导向的自适应策略对流扩散反应问题的性能。
2020-12-17 cs.NA math.NA
An adaptive superconvergent finite element method based on local residual minimization
提出一种结合超收敛后处理与局部残差最小化的自适应有限元方法,用于求解含扩散项的混合形式偏微分方程,并设计了高效的后验误差估计器,数值实验验证了理论发现与估计的精确性。
2022-10-01 cs.NA math.NA
An adaptive stabilized conforming finite element method via residual minimization on dual discontinuous Galerkin norms
设计并分析了一种新的自适应稳定化有限元法。我们构造了一个离散逼近的解决方案,在连续的试验空间,通过最小化的残差测量的对偶范数的不连续的测试空间,具有inf-sup稳定。我们制定这个残余最小化作为一个稳定的鞍点问题,提供了一个稳定的离散解决方案和残余表示,驱动自适应网格细化。对流反应模型问题的数值结果显示竞争力的误差减少率相比,间断Galerkin方法的均匀加细网格和光滑的解决方案。此外,该技术导致自适应网格细化和具有尖锐层的解决方案的最佳衰减率。
2019-12-22 cs.NA math.NA
On accelerated iterative schemes for anisotropic radiative transfer using residual minimization
本文提出基于残差最小化的迭代格式求解各向异性辐射传输问题,证明其收敛性,并结合间断伽辽金离散与扩散子空间,在高度各向异性异质参数算例中验证了性能。
2025-05-27 cs.NA math.NA
Incompressible flow modeling using an adaptive stabilized finite element method based on residual minimization
我们使用自适应稳定化的有限元法Stokes流来模拟不可压缩流动,该方法解决了离散稳定的鞍点问题来逼近速度-压力对。此外,这个鞍点问题提供了一个强大的误差估计,以指导网格自适应。本文分析了连续有限元空间中不同离散速度-压力对的精度,这些离散速度-压力对不一定满足离散inf-sup条件。我们验证了框架的性能与数值例子。
2020-11-18 cs.NA math.NA
A Residual Minimization approach for Nonlinear Partial Differential Equations set in Banach spaces
Pontificia Universidad Católica de Valparaíso(智利天主教庞蒂菲亚大学);Monash University(蒙纳士大学);Universidad Adventista de Chile(智利基督复临安息日会大学)
本文提出并分析了在Banach空间中求解非线性PDE的残差最小化策略,通过在离散对偶范数中最小化变分残差,得到非线性鞍点问题的解,并利用残差代表作为后验误差估计器实现自动网格自适应。
2026-04-01 cs.NA math.NA
Adaptive stabilized finite elements via residual minimization onto bubble enrichments
本文推广了自适应稳定有限元方法,提出一种基于连续内部罚(CIP)公式的残差最小化方法,通过泡函数增强试验空间构建测试空间,在保持收敛速率的同时显著减少自由度并简化实现,适用于工业应用。
2023-03-31 cs.NA math.NA
Discretization of Linear Problems in Banach Spaces: Residual Minimization, Nonlinear Petrov-Galerkin, and Monotone Mixed Methods
Pontificia Univ. Católica de Valparaíso(天主教教宗大学瓦尔帕莱索分校);University of Nottingham(诺丁汉大学)
本文提出了一种Banach空间中抽象线性算子方程的全面离散化理论,通过残差最小化和离散对偶范数的非精确版本,发展出非线性Petrov-Galerkin方法和等价的具有单调非线性的抽象混合方法,并证明了在Fortin条件下的离散稳定性及误差分析。
2018-07-29 cs.NA math.NA
On a weighted quasi-residual minimization strategy of the QMR method for solving complex symmetric shifted linear systems
Nagoya University(名古屋大学);Tottori University(鸟取大学);The University of Tokyo(东京大学)
针对复对称移位线性系统,提出一种加权准最小残差方法(shifted QMR_SYM(B)),通过选择成本效益高的权重实现高效求解,数值实验验证了其性能。
2009-02-16 cs.NA math.NA
When does least-squares residual minimization solve a differential equation?
Universidad de Alicante(阿利坎特大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校);UCLA(加州大学洛杉矶分校)
本文研究最小二乘残差最小化求解微分方程的条件,揭示驻点与极小化序列可能不收敛到真解,并给出恢复等价性的条件。
2026-09-29 cs.NA math.NA
JAXIGA - A software framework for GPU-enabled and differentiable isogeometric analysis
Carnegie Mellon University(卡内基梅隆大学)
JAXIGA是一个基于JAX的开源等几何分析库,通过分离网格构建与计算、支持GPU加速和自动微分,实现了高效求解,并在基准测试中显著提升了性能。
2026-10-08 cs.MS cs.NA math.NA
Stable time-stepping via residual minimization: finite-element and neural-network approximations for transient parabolic problems
The University of the Basque Country (EHU)(巴斯克大学);IKERBASQUE, Basque Foundation for Science(伊卡巴斯基奎科学基金会);Monash University(莫纳什大学)
本文提出一种基于残差最小化的时间步进框架,用于瞬态抛物问题,统一支持有限元与神经网络逼近,并通过稳定性估计和残差分解保证可靠性,数值实验验证了收敛性与自适应细化效果。
2026-09-24 cs.NA math.NA
An adaptive superconvergent mixed finite element method for exactly symmetric linear elasticity based on local residual minimization
Universidad de Santiago de Chile(圣地亚哥智利大学)
该研究提出一种基于局部残差极小化的精确对称线性弹性自适应超收敛混合有限元方法,建立了含Lamé参数的后验误差估计,数值算例验证了理论结果。
2026-08-17 cs.NA math.NA
Nonlinear Residual Minimization by Iteratively Reweighted Least Squares
Technische Universität München(慕尼黑工业大学)
本文提出了一种改进的迭代加权最小二乘法,用于解决非线性方程的最小残差问题,分析了其收敛性和误差衰减率,并通过数值实验验证了方法在相位恢复和脉冲噪声下的有效性。
2015-04-26 cs.NA math.NA
Hyper-reduction for parametrized transport dominated problems via online-adaptive reduced meshes
提出了一种有效的残差最小化技术用于参数化双曲型偏微分方程的非线性模型降阶。我们的非线性逼近空间是在移位空间域上评估的快照的跨度,并且我们通过残差最小化来计算我们的简化逼近。为了加速残差最小化,我们计算并最小化残差的网格(最好是小的)子集,所谓的减少网格。由于我们的近似空间的非线性,我们表明,类似的解决方案,残留也表现出运输型行为。为了解释这种行为,我们引入在线自适应减少网格的“移动”它沿空间域与参数相关的位移。我们还提出了一个扩展我们的方法,空间变换不同的移位。数值实验表明,我们的方法的有效性和非自适应减少网格造成的不准确性。
2021-01-20 cs.NA math.NA
A Dirac-Frenkel-Onsager principle: Instantaneous residual minimization with gauge momentum for nonlinear parametrizations of PDE solutions
EPFL(瑞士洛桑联邦理工学院);Courant Institute of Mathematical Sciences, New York University(纽约大学Courant数学科学研究所)
本文提出基于Dirac-Frenkel原理的Onsager扩展,通过引入规范动量提升非线性参数化PDE解的时间稳定性与鲁棒性。
2026-04-30 cs.LG cs.NA math.NA
An automatic-adaptivity stabilized finite element method via residual minimization for heterogeneous, anisotropic advection-diffusion-reaction problems
在本文中,我们描述了一个稳定的有限元制定对流扩散反应问题,允许强大的自动自适应策略,很容易实现。我们考虑局部消失,异质和各向异性扩散,以及对流为主的扩散问题。一般稳定的有限元框架在arXiv:1907.12605v3中针对一般线性问题进行了描述和分析,并针对纯平流问题进行了测试。该方法寻求离散的解决方案,通过一个适当的稳定的不连续的Galerkin(dG)的对偶范数的残差最小化过程。这种技术导致鞍点问题,提供了一个稳定的离散解决方案和强大的误差估计,可以驱动网格自适应。在这项工作中,我们证明了该方法在极端情况下的效率,提供稳定的解决方案。的质量和性能的解决方案是可比的经典的不连续Galerkin配方在各自的离散空间规范的每个网格。同时,该技术允许我们在粗网格上求解,并调整解决方案以实现用户指定的解决方案质量。
2020-11-23 cs.CE cs.NA math.NA
Robust Model Reduction Of Hyperbolic Problems by $L^1$-norm Minimization and Dictionary Approximation
Institut für Mathematik(数学研究所);Stanford University(斯坦福大学)
本文提出了一种新的模型降阶方法,用于近似标量和系统非线性超几何方程,通过离线计算解字典和在线L1范数残差最小化,验证了其在非线性问题如Burgers方程和一维欧拉方程中的有效性。
2016-03-08 cs.NA math.NA
Solving Hamilton-Jacobi equations by residual minimization of monotone finite-difference discretizations
Université Paris Cité(巴黎西岱大学);Universidad de Alicante(阿利坎特大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种求解哈密顿-雅可比方程的新方法,通过最小化残差来保证解的唯一性和稳定性,并扩展到椭圆和抛物型问题,同时提供了后验误差估计和多级预热策略。
2026-07-13 cs.NA math.NA math.OC
Robust Model Reduction by $L^1$-norm Minimization and Approximation via Dictionaries: Application to Linear and Nonlinear Hyperbolic Problems
Institut für Mathematik(数学研究所);Stanford University(斯坦福大学)
本文提出一种新的模型降阶方法,用于近似非线性双曲方程,通过离线构建解字典和在线 $L^1$-norm 残差最小化,验证其在非线性问题如 Burgers 方程和一维欧拉方程中的有效性,展示了高效算法和高精度结果。
2015-06-19 cs.NA math.NA
On Residual Minimization for PDEs: Failure of PINN, Modified Equation, and Implicit Bias
本文针对物理信息神经网络求解偏微分方程可能失效的问题,提出修正方程框架,刻画残差最小化方法的隐式偏差,证明数值解偏离精确解而趋向修正解,并以不连续系数椭圆方程为例验证。
2023-12-21 cs.NA math.AP math.NA
Adaptive Probability Flow Residual Minimization for High-Dimensional Fokker-Planck Equations
School of Information Science and Technology, ShanghaiTech University(信息科学与技术学院,上海科技大学)
提出自适应概率流残差最小化(A-PFRM)方法,通过将二阶FP方程转化为一阶连续性方程并利用Hutchinson迹估计实现GPU上的维度无关训练,结合自适应采样策略,有效求解高维FP方程。
2026-06-29 cs.LG cs.NA math.NA
A framework of discontinuous Galerkin neural networks for iteratively approximating residuals
College of Mathematics and Systems Science, Shandong University of Science and Technology(青岛科技大学数学与系统科学学院);School of Mathematics, Shandong University(山东大学数学学院)
本文提出间断伽辽金神经网络框架,通过递归求解拟最小化问题逼近残差,并设计单隐藏层DGTNN及权重初始化模板,在低计算成本下显著提升求解精度。
2025-11-09 cs.NA math.NA
A space-time framework for periodic flows with applications to hydrofoils
在本文中,我们提出了一个时空框架的计算周期流。我们采用等几何分析框架来实现空间和时间上的高阶平滑。离散化是使用基于残差的变分多尺度模型和弱边界条件,以提高计算域的移动边界附近的精度。我们展示了守恒性质,并提出了一个保守的力提取方法。我们应用我们的框架来计算起伏和俯仰水翼。数值结果显示,非常准确的结果当然网格。
2022-11-20 cs.NA math.NA physics.flu-dyn
A Deep Double Ritz Method (D$^2$RM) for solving Partial Differential Equations using Neural Networks
Basque Center for Applied Mathematics (BCAM)(巴斯克应用数学中心);Universidad del País Vasco/Euskal Herriko Unibertsitatea (UPV/EHU)(巴斯克大学);Basque Foundation for Science (Ikerbasque)(巴斯克科学基金会);Pontificia Universidad Católica de Valparaíso (PUCV)(瓦尔帕莱索天主教大学);Oden Institute for Computational Engineering and Sciences (OICES)(奥登计算工程与科学研究所)
残差最小化是求解变分形式的偏微分方程的一种广泛使用的方法。它最小化残差的对偶范数,这自然会在所谓的试验和测试空间上产生鞍点(最小-最大)问题。在神经网络的背景下,我们可以通过使用一个网络来寻求试验最小值,而另一个网络则寻求测试最大化器来解决这种最小-最大方法。然而,当我们接近试探解时,所得到的方法在数值上是不稳定的。为了克服这一点,我们重新制定的剩余最小化作为一个等效的最小化的Ritz功能美联储从另一个Ritz功能最小化计算的最佳检验函数。我们称之为深双里兹方法(D $^2$ RM),它结合了两个神经网络近似测试函数和最佳检验函数沿嵌套双里兹最小化策略。不同的扩散和对流问题的数值结果支持我们的方法的鲁棒性,网络的逼近性能和优化器的训练能力。
2023-01-19 cs.LG cs.NA math.NA
Residual-Based Time Discretization on Nonlinear Approximation Manifolds: Analysis and Gaussian Applications
Technical University of Munich(慕尼黑工业大学)
研究希尔伯特空间中演化方程基于残差最小化的时间离散参数逼近,考虑两种残差公式并进行统一误差分析,应用于高斯逼近流形,通过数值实验验证理论收敛速率及残差精度对守恒性质的影响。
2026-07-17 cs.NA math.NA quant-ph
Shrinkage Rules for Variational Minimization Problems and Applications to Analytical Ultracentrifugation
针对带l_q稀疏约束的变分最小化问题,提出q依赖的收缩规则闭式解,并应用于分析超速离心中的Landweber迭代,获得更稀疏、高分辨率的解。
2010-12-30 cs.NA math.NA
QQMR: A Structure-Preserving Quaternion Quasi-Minimal Residual Method for Non-Hermitian Quaternion Linear Systems
针对非厄米四元数线性系统,提出保结构四元数拟最小残差方法(QQMR),克服QBiCG收敛不规则,降低计算成本与存储,并验证其稳健有效性。
2024-02-06 cs.NA math.NA
Residual minimizing shift parameters for the low-rank ADI iteration
Max Planck Institute for Dynamics of Complex Technical Systems(马克斯·普朗克复杂技术系统动力学研究所)
本文研究了基于残差范数最小化原理的自生成移位参数,用于高效求解大规模Lyapunov方程的低秩近似解,通过压缩目标函数提高了计算效率,并在数值实验中验证了其优于现有预计算和动态移位参数选择技术的性能。
2018-11-13 cs.NA math.NA
First Order System Least Squares Neural Networks
Seminar for Applied Mathematics, ETH Zürich(苏黎世联邦理工学院应用数学研讨会);Research Network Data Science, University of Vienna(维也纳大学数据科学研究网络);ASML(阿斯麦公司)
本文提出将线性椭圆、抛物和双曲型偏微分方程转化为一阶系统最小二乘残差最小化问题,用深度神经网络求解,并设计自适应网络增长策略实现速率最优收敛。
2024-09-30 cs.LG cs.NA math.NA
Nonlinear reduced models for state and parameter estimation
状态估计的目的是在参数向量$y$未知的情况下,由$m$线性观测值近似重构参数化偏微分方程的解$u$。基于降阶模型已经提出了快速数值恢复方法,降阶模型是中等维度$n$的线性空间,其被定制为近似解所在的解流形$\mathcal{M}$。这些方法可以被看作是确定性的贝叶斯估计方法,并被证明是最佳的先验表示的近似性的解决方案相对于减少的模型。然而,它们固有地受到其线性性质的限制,该线性性质通过解流形的Kolmogorov宽度$d_m(\mathcal{M})$来限制它们的最佳可能性能。在本文中,我们建议打破这一障碍,使用简单的非线性降阶模型,包括一个有限的联盟的线性空间$V_k$,每个维度最多$m$,并导致不同的估计$u_k^*$。基于最小化参数空间上的PDE残差的模型选择机制用于从该集合中选择最终估计量$u^*$。我们的分析表明,$u^*$满足最佳的恢复基准是固有的解决方案的流形,而不是绑定到其柯尔莫哥洛夫宽度。残差最小化过程在PDE中的仿射参数依赖的相关情况下计算简单。此外,它的结果在一个估计器$y^*$的未知参数向量。在这种情况下,我们还讨论了一个交替的最小化(坐标下降)算法联合状态和参数估计,这可能会提高两个估计的质量。
2020-11-24 cs.NA math.NA
Fast Online Generalized Multiscale Finite Element Method using Constraint Energy Minimization
The Chinese University of Hong Kong(香港中文大学);Texas A&M University(德克萨斯农工大学)
本文提出一种快速在线广义多尺度有限元方法,通过约束能量最小化减少误差,利用 oversampled 区域的特殊基函数构造实现三量级误差降低,并开发了自适应算法以提高收敛率。
2017-06-21 cs.NA math.NA
A vanishing-viscosity minimizing movement Fourier spectral method for scalar conservation laws
The Hong Kong Polytechnic University(香港理工大学)
提出一种消失粘性最小移动Fourier谱方法求解标量守恒律,通过残差最小化与热核后处理稳定,证明L1误差估计,数值实验验证无Gibbs振荡的激波捕捉。
2026-09-28 cs.NA math.NA
Preconditioned Least-Squares Petrov-Galerkin Reduced Order Models
本文介绍了一种方法,提高精度和效率的降阶模型(ROM)使用最小二乘彼得罗夫-伽辽金(LSPG)投影方法通过引入预处理。不像以前的相关工作,它侧重于预处理的ROM数值解过程中产生的线性系,以提高线性求解器的性能,我们的方法直接利用预处理矩阵内的LSPG最小化问题。以这种方式应用预处理可以提高ROM精度,原因有几个。首先,对LSPG公式进行预处理改变了定义残差最小化的范数,这可以改善基于残差的稳定常数限制ROM解的误差。将预调节剂并入LSPG制剂中可具有使残余物的组分最小化的附加效果,这可有益于具有不同尺度的问题。重要的是,我们证明了一个“理想的预处理”LSPG ROM(ROM预处理与其相应的全阶模型,或FOM的雅可比矩阵的逆)模拟投影的FOM解决方案增量减少的基础上,一个下界的ROM解决方案的误差为一个给定的减少的基础。通过设计近似雅可比逆的预条件子,可以获得误差接近该下界的ROM。所提出的方法进行评估的预测制度内的几个机械和热机械问题的奥尔巴尼HPC代码。我们数值证明,引入简单的雅可比,高斯-赛德尔和ILU预处理到适当的正交分解/LSPG制定显着减少ROM解决方案的错误,减少雅可比条件数,达到收敛所需的非线性迭代次数,和壁时间。
2022-03-23 cs.MS cs.NA math.NA